用 Flixly API 打造能生成媒体内容的自定义 AI 聊天机器人

越来越多的企业和开发者在网站和应用中加入自定义 AI 聊天机器人，用来解答问题、引导用户和自动化客服。许多团队希望更进一步：让机器人还能创作内容，比如一张产品图、一段短视频或一条语音回复。这正是 Flixly API 的用武之地。

先说清楚一点：Flixly 不提供文本聊天或 LLM 补全 API。对话本身来自你已在使用的语言模型服务商。Flixly 的 API 在此基础上增加图片、视频和音频生成能力，让你的聊天机器人能为用户提供真实的媒体内容，而不只是文字。这篇聊天机器人开发教程将演示如何把两者连接起来。

为什么要为聊天机器人接入 Flixly API？

纯文本机器人只能描述一张图片，而具备媒体能力的机器人可以直接交付图片。Flixly API 为你提供：

• 一个密钥，多种模型：模型库中的图片、视频和音频模型都通过同一个 REST API 调用。可在模型目录中浏览。
• 简单的接口：用 POST /api/v1/generate 发起任务，用 GET /api/v1/generations/{id} 查询任务。
• Webhooks：生成完成时接收通知。
• 安全护栏：可为每个密钥单独设置速率限制和每月支出上限。
• 按量付费：使用一次性积分包中的积分，无需绑定任何套餐。

准备工作

开始写代码前，请确认你已具备：

• 一个 Flixly 账户（注册）。
• 一个 Flixly API 密钥，在 API 密钥页面创建。
• 一个语言模型服务商的账户，用于生成聊天回复。
• Node.js 18 或更高版本（以使用内置的 fetch），或 Python。
• 可选：用于构建界面的前端框架，例如 React。

第 1 步：配置 API 访问

1. 创建 Flixly 账户，如果初始积分不够用，可在定价页面充值积分。
2. 在控制台设置中生成 API 密钥。
3. 将密钥安全地保存在 .env 文件中：

FLIXLY_API_KEY=your_flixly_key_here
LLM_API_KEY=your_llm_provider_key_here

切勿在浏览器端代码中暴露任何一个密钥；下面的所有调用都在你的服务器上运行。

第 2 步：首次调用 Flixly API

发起一次生成。模型 id 来自 GET /api/v1/models；这里我们使用 GPT-Image 2.0（gpt-image-2）：

import 'dotenv/config';

const BASE = 'https://www.flixly.ai/api/v1';
const headers = {
  'Authorization': `Bearer ${process.env.FLIXLY_API_KEY}`,
  'Content-Type': 'application/json'
};

export async function startImage(prompt) {
  const res = await fetch(`${BASE}/generate`, {
    method: 'POST',
    headers,
    body: JSON.stringify({ model: 'gpt-image-2', prompt })
  });
  if (!res.ok) throw new Error(`Flixly error ${res.status}`);
  return res.json(); // { id, status, ... }
}

响应中包含生成任务的 id 和 status。有些任务会立即完成，另一些则返回 processing。

第 3 步：获取结果

轮询状态接口，直到任务变为 completed 或 failed：

export async function waitForResult(id) {
  while (true) {
    const res = await fetch(`${BASE}/generations/${id}`, { headers });
    const job = await res.json();
    if (job.status === 'completed') return job.output_url;
    if (job.status === 'failed' || job.status === 'blocked') throw new Error(job.error);
    await new Promise(r => setTimeout(r, 3000));
  }
}

在生产环境中，建议在生成请求中传入 webhook_url，由 Flixly 主动通知你的服务器。详见 webhooks 指南。

第 4 步：接入对话

对话由你的语言模型负责。当检测到媒体生成请求时，由后端调用 Flixly：

async function handleMessage(history, message) {
  const wantsImage = /\b(draw|generate|create) (an? )?(image|picture)\b/i.test(message);
  if (wantsImage) {
    const job = await startImage(message);
    const url = job.output_url ?? await waitForResult(job.id);
    return { type: 'image', url };
  }
  // Otherwise call your LLM provider with the conversation history
  return { type: 'text', text: await callYourLLM(history, message) };
}

关键词判断只是起点。许多 LLM 服务商支持工具调用或函数调用，因此你可以描述一个 generate_image 工具，让模型自行决定何时调用。

语音和视频回复

同一个接口也支持音频和视频模型。从模型列表中选择文字转语音模型（如 Gemini 3.1 Flash TTS）或视频模型（如 Seedance 2.0），然后将模型 id 与提示词一起传入。

第 5 步：创建网页界面

一个最简前端会把消息发送到你的后端，并渲染文本或媒体：

<div id="chat-container">
  <div id="messages"></div>
  <input id="input" type="text" placeholder="Type your message...">
  <button id="send">Send</button>
</div>
<script>
  // POST the message to your server, then append text,
  // an <img>, <video> or <audio> element based on the reply type
</script>

第 6 步：部署与扩展

• 托管后端：可部署在任意 Node.js 平台上。
• 使用 webhooks，而不是高频轮询循环。
• 为每个 API 密钥设置支出上限，避免高流量机器人耗尽你的余额。
• 处理错误：余额不足以支付的请求会返回积分不足错误，请向用户显示友好的提示。

完整参考文档（包括 OpenAPI 规范）请见 API 文档和开发者门户。

最佳实践

• 生成前先确认：媒体生成会消耗积分，应让用户确认高成本请求。
• 速率限制：遵守每个密钥的限制，并在你这一侧对请求排队。
• 内容审核：在将提示词发送给任一 API 之前先进行过滤。
• 隐私合规：避免在提示词中发送个人数据，并遵守 GDPR。
• 测试：不仅要测试正常流程，还要测试失败、被拦截和耗时较长的任务。

结语

Flixly 不会替你的聊天机器人撰写回复，但它能让你的自定义 AI 聊天机器人按需生成图片、视频和语音片段，从而大幅提升实用性。将你的语言模型与 Flixly API 结合，先从一个图片模型开始，再逐步扩展。获取你的密钥并阅读 API 文档，即可开始。